一種蛋白質(zhì)模板庫的擴(kuò)充方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域，更具體地說，涉及一種蛋白質(zhì)模板庫的擴(kuò)充方法及裝置。
【背景技術(shù)】
[0002]在生命活動(dòng)中，蛋白質(zhì)扮演著關(guān)鍵性的角色，由于通過實(shí)驗(yàn)手段獲取蛋白質(zhì)三維結(jié)構(gòu)的難度和成本很大，因此發(fā)展出了各種蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法。蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法主要分為從頭預(yù)測(cè)和基于模板預(yù)測(cè)兩種類別。相對(duì)來說，基于模板的方法準(zhǔn)確率比較高，這種方法把已知結(jié)構(gòu)的蛋白質(zhì)作為模板，通過序列比對(duì)的方式，參考已知蛋白質(zhì)結(jié)構(gòu)來預(yù)測(cè)未知蛋白質(zhì)結(jié)構(gòu)，但存在的一個(gè)問題是難以從模板庫中識(shí)別未知結(jié)構(gòu)序列的遠(yuǎn)程同源序列，制約了預(yù)測(cè)準(zhǔn)確率的提升。遠(yuǎn)程同源序列的識(shí)別，一方面需要有高效精準(zhǔn)的識(shí)別算法，另一方面需要有足夠數(shù)量的模板序列供識(shí)別算法選擇，而目前普遍采用的蛋白質(zhì)序列模板庫中的數(shù)據(jù)都是通過實(shí)驗(yàn)手段測(cè)得結(jié)構(gòu)的蛋白質(zhì)序列，相對(duì)于所有待預(yù)測(cè)序列而言，規(guī)模很小。截止2015年11月，蛋白數(shù)據(jù)庫集UniProtKB中包含的蛋白質(zhì)序列(注釋+未注釋)有5500萬余條，而蛋白質(zhì)三維結(jié)構(gòu)數(shù)據(jù)庫roBCprotein data bank)中僅包含11萬余個(gè)蛋白質(zhì)結(jié)構(gòu)，因此已知結(jié)構(gòu)的序列僅占整個(gè)序列的0.2%不到。基于模板的方法要根據(jù)0.2%不到的已知結(jié)構(gòu)序列來預(yù)測(cè)剩余近99.8 %序列的結(jié)構(gòu)，難度可想而知。
[0003]因此，如何擴(kuò)充蛋白質(zhì)模板庫，增加模板庫中蛋白質(zhì)序列的數(shù)量，從而提高蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的精度是現(xiàn)在需要解決的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種蛋白質(zhì)模板庫的擴(kuò)充方法及裝置，以擴(kuò)充蛋白質(zhì)模板庫，增加模板庫中蛋白質(zhì)序列的數(shù)量，從而提高蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的精度。
[0005]為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供了如下技術(shù)方案:
[0006]—種蛋白質(zhì)模板庫的擴(kuò)充方法，包括:
[0007]從已知結(jié)構(gòu)的原始蛋白質(zhì)模板庫中選擇初始蛋白質(zhì)樣本，并通過序列對(duì)比算法去除所述初始蛋白質(zhì)樣本中相似度較高的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為蛋白質(zhì)樣本；
[0008]通過蛋白質(zhì)分子設(shè)計(jì)算法，設(shè)計(jì)與所述蛋白質(zhì)樣本相對(duì)應(yīng)的蛋白質(zhì)序列，并將設(shè)計(jì)的蛋白質(zhì)序列加入所述原始蛋白質(zhì)模板庫，生成初始擴(kuò)充蛋白質(zhì)模板庫；
[0009]通過序列對(duì)比算法去除所述初始擴(kuò)充蛋白質(zhì)樣本中相似度較高的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為擴(kuò)充蛋白質(zhì)模板庫。
[0010]優(yōu)選的，所述通過蛋白質(zhì)分子設(shè)計(jì)算法，設(shè)計(jì)與所述蛋白質(zhì)樣本相對(duì)應(yīng)的蛋白質(zhì)序列，包括:
[0011]將所述蛋白質(zhì)樣本作為輸入，采用蛋白質(zhì)分子設(shè)計(jì)算法Evodesign對(duì)所述蛋白質(zhì)樣本中的每個(gè)蛋白質(zhì)序列進(jìn)行設(shè)計(jì)，生成與每個(gè)蛋白質(zhì)序列相對(duì)應(yīng)的多個(gè)蛋白質(zhì)序列。
[0012]優(yōu)選的，所述從已知結(jié)構(gòu)的原始蛋白質(zhì)模板庫中選擇初始蛋白質(zhì)樣本，包括:
[0013]從已知結(jié)構(gòu)的PDB數(shù)據(jù)庫中選取若干個(gè)折疊作為所述初始蛋白質(zhì)樣本，并根據(jù)所述蛋白質(zhì)樣本的編號(hào)，從所述TOB數(shù)據(jù)庫中下載所述蛋白質(zhì)序列。
[0014]優(yōu)選的，通過序列對(duì)比算法去除所述初始蛋白質(zhì)樣本中相似度較高的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為蛋白質(zhì)樣本，包括:
[0015]通過序列對(duì)比算法BLAST去除所述初始蛋白質(zhì)樣本中相似度大于預(yù)定閾值的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為蛋白質(zhì)樣本。
[0016]優(yōu)選的，將最終保留的蛋白質(zhì)序列作為擴(kuò)充蛋白質(zhì)模板庫之后，還包括:
[0017]獲取目標(biāo)蛋白質(zhì)序列；
[0018]利用PS1-BLAST算法在所述擴(kuò)充蛋白質(zhì)模板庫中搜索與所述目標(biāo)蛋白質(zhì)序列相對(duì)應(yīng)的同源蛋白質(zhì)序列，并獲得所述目標(biāo)蛋白質(zhì)序列和所述同源蛋白質(zhì)序列的對(duì)比結(jié)果；
[0019]將所述對(duì)比結(jié)果作為蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)軟件包Modeller的輸入，采用多模板的方式預(yù)測(cè)所述目標(biāo)蛋白質(zhì)序列的結(jié)構(gòu)。
[0020]一種蛋白質(zhì)模板庫的擴(kuò)充裝置，包括:
[0021 ]選擇模塊，用于從已知結(jié)構(gòu)的原始蛋白質(zhì)模板庫中選擇初始蛋白質(zhì)樣本；
[0022]第一去除模塊，用于通過序列對(duì)比算法去除所述初始蛋白質(zhì)樣本中相似度較高的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為蛋白質(zhì)樣本；
[0023]設(shè)計(jì)模塊，用于通過蛋白質(zhì)分子設(shè)計(jì)算法，設(shè)計(jì)與所述蛋白質(zhì)樣本相對(duì)應(yīng)的蛋白質(zhì)序列，并將設(shè)計(jì)的蛋白質(zhì)序列加入所述原始蛋白質(zhì)模板庫，生成初始擴(kuò)充蛋白質(zhì)模板庫；
[0024]第二去除模塊，用于通過序列對(duì)比算法去除所述初始擴(kuò)充蛋白質(zhì)樣本中相似度較尚的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為擴(kuò)充蛋白質(zhì)申吳板庫。
[0025]優(yōu)選的，所述設(shè)計(jì)模塊通過蛋白質(zhì)分子設(shè)計(jì)算法，設(shè)計(jì)與所述蛋白質(zhì)樣本相對(duì)應(yīng)的蛋白質(zhì)序列，具體包括:
[0026]將所述蛋白質(zhì)樣本作為輸入，采用蛋白質(zhì)分子設(shè)計(jì)算法Evodesign對(duì)所述蛋白質(zhì)樣本中的每個(gè)蛋白質(zhì)序列進(jìn)行設(shè)計(jì)，生成與每個(gè)蛋白質(zhì)序列相對(duì)應(yīng)的多個(gè)蛋白質(zhì)序列。
[0027]優(yōu)選的，所述選擇模塊具體用于:
[0028]從已知結(jié)構(gòu)的PDB數(shù)據(jù)庫中選取若干個(gè)折疊作為所述初始蛋白質(zhì)樣本，并根據(jù)所述蛋白質(zhì)樣本的編號(hào)，從所述TOB數(shù)據(jù)庫中下載所述蛋白質(zhì)序列。
[0029]優(yōu)選的，所述第一去除模塊具體用于:
[0030]通過序列對(duì)比算法BLAST去除所述初始蛋白質(zhì)樣本中相似度大于預(yù)定閾值的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為蛋白質(zhì)樣本。
[0031]優(yōu)選的，還包括:
[0032]獲取模塊，用于獲取目標(biāo)蛋白質(zhì)序列；
[0033]同源蛋白質(zhì)序列獲取模塊，用于利用PS1-BLAST算法在所述擴(kuò)充蛋白質(zhì)模板庫中搜索與所述目標(biāo)蛋白質(zhì)序列相對(duì)應(yīng)的同源蛋白質(zhì)序列，并獲得所述目標(biāo)蛋白質(zhì)序列和所述同源蛋白質(zhì)序列的對(duì)比結(jié)果；
[0034]蛋白質(zhì)序列結(jié)構(gòu)預(yù)測(cè)模塊，用于將所述對(duì)比結(jié)果作為蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)軟件包Mode 11 er的輸入，采用多模板的方式預(yù)測(cè)所述目標(biāo)蛋白質(zhì)序列的結(jié)構(gòu)。
[0035]通過以上方案可知，本發(fā)明實(shí)施例提供的一種蛋白質(zhì)模板庫的擴(kuò)充方法及裝置，包括:從已知結(jié)構(gòu)的原始蛋白質(zhì)模板庫中選擇初始蛋白質(zhì)樣本，并通過序列對(duì)比算法去除所述初始蛋白質(zhì)樣本中相似度較高的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為蛋白質(zhì)樣本;通過蛋白質(zhì)分子設(shè)計(jì)算法，設(shè)計(jì)與所述蛋白質(zhì)樣本相對(duì)應(yīng)的蛋白質(zhì)序列，并將設(shè)計(jì)的蛋白質(zhì)序列加入所述原始蛋白質(zhì)模板庫，生成初始擴(kuò)充蛋白質(zhì)模板庫;通過序列對(duì)比算法去除所述初始擴(kuò)充蛋白質(zhì)樣本中相似度較高的蛋白質(zhì)序列，將最終保留的蛋白質(zhì)序列作為擴(kuò)充蛋白質(zhì)模板庫，可見，在本實(shí)施例中，通過對(duì)篩選的蛋白質(zhì)樣本進(jìn)行設(shè)計(jì)，能擴(kuò)充現(xiàn)有蛋白質(zhì)模板庫，增加模板庫中蛋白質(zhì)序列的數(shù)量，從而提高蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的精度及準(zhǔn)確率。
【附圖說明】
[0036]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0037]圖1為本發(fā)明實(shí)施例公開的一種蛋白質(zhì)模板庫的擴(kuò)充方法流程示意圖；
[0038]圖2為本發(fā)明實(shí)施例公開的一種蛋白質(zhì)模板庫的擴(kuò)充裝置結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0039]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的